20 関西大学心理学研究 2011 年第 2 号ている ( 例えば, 入戸野,2004 など ) 縦断的な調査データの解析へ構造方程式モデリング (Structural Equation Modeling: 以下 SEM) が導入されてから ( 例えば,Nesselroade & Baltes,

Size: px

Start display at page:

Download "20 関西大学心理学研究 2011 年第 2 号ている ( 例えば, 入戸野,2004 など ) 縦断的な調査データの解析へ構造方程式モデリング (Structural Equation Modeling: 以下 SEM) が導入されてから ( 例えば,Nesselroade & Baltes,"

ゆたかよどぎみ
5 years ago
Views:

1 関西大学心理学研究 2011 年第 2 号 pp 心理的変化のモデル化 3 回の縦断データを対象とした潜在差得点モデル清水和秋関西大学社会学部三保紀裕紺田広明関西大学大学院心理学研究科花井洋子関西大学大学院社会学研究科山本理恵 NPO 法人産業メンタルヘルス研究所 Modeling of Psychological Change : Latent Difference Score Model for Three Wave Longitudinal Data Kazuaki SHIMIZU (Faculty of Sociology, Kansai University), Norihiro MIHO, Hiroaki KONDA (Graduate School of Psychology, Kansai University), Yoko HANAI (Graduate School of Sociology, Kansai University) and Rie YAMAMOTO (Job Stress Research Laboratory (Non-Profit Organization)) The purposes of this paper were to develop the latent difference score model for three wave longitudinal data and to apply this method to examine the trajectories of two aspects of the view of learning in the freshman. Longitudinal data were collected at April, May, and June in the class of introductory psychology. Using simultaneous latent difference score model for two groups of 143 male and 136 female students, the means of factor scores at three waves were estimated. The means of the acquisitive attitude for credits were up at June. The trajectory patterns of the seeking the self-development were different. These results were discussed with consideration of the methodological issues on longitudinal research. Key words: structural equation modeling, difference score, longitudinal research, factor score, developmental change Kansai University Psychological Research 2011, No.2, pp はじめに心理的変数を複数の測定機会において収集したデータの解析方法としては, 実験心理学分野を中心として伝統的に反復分散分析が使用されてきた球面性仮定あるいは球形仮定 ( 千野,2003) についての検定を行い, この仮定によらない多変量分散分析 (MANOVA) か, 球形の歪みを調整した反復測定分散分析の解法の中から適切な方法 (Greenhouse- Geisser か Huynf-Feldt) を選択する手順が必要となる使用する方法によって検出力 (1 から第二種の過誤の確率 βを引いた値 ) が異なることが指摘され

2 20 関西大学心理学研究 2011 年第 2 号ている ( 例えば, 入戸野,2004 など ) 縦断的な調査データの解析へ構造方程式モデリング (Structural Equation Modeling: 以下 SEM) が導入されてから ( 例えば,Nesselroade & Baltes, 1979), 縦断的因子分析モデル (Hertzog & Schaie, 1988), 潜在成長モデル (McArdle, 1986; McArdle & Epstein, 1987) あるいは潜在曲線モデル (Meredith & Tisak, 1990), そして潜在変化モデル (Latent Change Model : Hertzog & Nesselroade, 2003; McArdle & Nesselroade, 1994; McArdle, 2009 ) あるいは潜在差得点モデル (Latent Difference Score: McArdle, 2001) としての展開がみられるここでは, これらのモデルの特徴について, より詳しくは, 引用文献を参照してもらうこととして, 簡単に検討を加えてみることにする SEM が ANOVA や MANOVA などと比べて, 優れている点は, 測定誤差などを含む独自性とは独立した因子得点によって集団間の比較と時間経過の中での変化を捉えることができる点にあるそして, 比較対象の統計量である因子得点の平均を, 集団間や時間経過の中で不変な因子分析モデルの下で, 推定し, 統計的に検定することができることである ( 例えば, 清水,2003 など ) この領域での初期の仕事の 1 つが Jöreskog(1979) による縦断的因子分析であった 2 回の機会に繰り返して測定した観測変数を対象として, 因子的不変性を確認し, かつ, 因子の 2 回測定機会間での因子得点の変化を関連性と平均という 2 つの観点から検討することへと展開をみせている ( 例えば, 清水花井,2008 ; 清水山本,2008 など ) この方法は, 時間が経過する中でも, 変数間の相互関係に変化がそれほど起きていないことを前提としている変化が機会間に限定することができる場合には, その特徴を遺憾なく発揮することになるもし, ある時点での因子間の関係が別な時点では大きく変わるというような変化が起きる変数あるいは構成概念を対象とする場合には, これらの相互関係は, 非常に複雑なものとなり, 結果の解釈が困難なものとなることが予想される潜在成長モデルは,1 つの観測変数を対象として開発された方法である 3 回以上の反復測定で識別性を確保することができれば, 時間経過の中で起きている変化の軌跡を線形あるいは非線形のある種の関数として描くことができる具体的には, 因子パターンの値を固定した係数として軌跡の切片を特定し, 傾きを時間軸の刻みとして表現する関数において特定する方法である ( 例えば, 清水,1999a, b, 2003 ; 清水紺田,2010 など ) この方法は, 時間経過の中に潜在する変化の形を関数として特定するところに特徴がある 1 次関数や 2 次関数などに収まらないような変化である場合には, 適切なレベルのモデルの適合度を得ることが困難となることがある Flora(2008) は,2 次関数と想定することによって, 下降傾向や上昇傾向の多様な変化を軌跡のモデルとして捉えることができることを議論しているが, より複雑な変化を捉えるには十分なものとはいえない 2 回の測定機会間の変化の質と量を因子得点に求めた方法が, 潜在変化モデルあるいは潜在差得点モデルであるこのモデルでは,2 回目の測定モデルの因子 f 2 を, 次の式のように,1 回目の測定モデルの因子を f 1 とこれらの 2 つの機会間の差の得点 f (2-1) の和とするものである ⑴ f f f McArdle(2001) は,1 つの観測変数を複数機会測定したデータを対象に潜在差得点モデルという名称で, この考え方を解説しているこれに対して, 同様のモデルを,Hertzog & Nesselroade ( 2003 ) は, 複数の観測変数から因子を特定し, 潜在変化モデルという名称を与えている清水三保 ( 印刷中 ) で紹介したように, このモデルを,Little, Bovaird, & Slegers (2006) や清水 (2008a, b) では, 潜在差得点モデルとしている清水花井宮坂松下 (2009) や花井清水宮坂松下 (2009) でも, 潜在差得点モデルによるキャリア関連行動の発達に検討を加えている最近になって,McArdle(2009) は Hertzog & Nesselroade (2003) を引用しないままに, この名称を潜在変化モデルとしているモデルの名称の混乱は, 潜在成長モデルでも起きている J. J. McArdle は知能の成長に関するデータの解析を研究の中心としてきたこともあり, 潜在成長をモデル名にあたえているのではないかと推測しているこの一方で, 学習曲線をモデル化する研究も行われてきたデータの固有分解からモデル化を試みた Tucker に因んで Tuckering という試みが行われてきた Meredith & Tisak (1990) の研究はこの流れにあり,Bollen & Curran (2006) は, これに従って潜在曲線モデルと呼び, 潜在成長モデルとい

清水和秋三保紀裕紺田広明花井洋子山本理恵 : 心理的変化のモデル化 21 う名称の下で展開されてきた研究も含めてまとめているこの名称に関しては,J. J. McArdle と W. Meredith との先陣争いという色彩もあるが, これは別な機会に検討を加えることにする 2.

3 清水和秋三保紀裕紺田広明花井洋子山本理恵 : 心理的変化のモデル化 21 う名称の下で展開されてきた研究も含めてまとめているこの名称に関しては,J. J. McArdle と W. Meredith との先陣争いという色彩もあるが, これは別な機会に検討を加えることにする 2. 潜在差得点モデルの拡張本稿では,⑴ 式をベースとして,3 回目にまで拡張したモデルを検討してみることにするまず,3 回目の調査機会の因子得点を f 3 とし, 次のように定義してみる ⑵ f f f ここまでの式は, 潜在変数である因子得点だけを対象とするものであったこれに観測変数を加えて, 以上のモデルをパス図式で描いてみることにする Amos によるパス図の作成では, 測定機会ごとに測定モデルを構成し,3 つの機会の因子に関しては因子パターン不変性 ( 例えば,Meredith, 1993; 清水, 2003 など ) の拘束を与えている f 1,f 2,f 3 の各因子は, ダミー因子として設定し, このモデル図の設定では, これらの因子の平均はゼロ ( 分散は 1) とした観測変数の切片もすべてゼロとし,1 回目の因子の平均と分散は, 図の切片において推定することにした f 2 から f 1 を引いた差得点 f (2-1) や f 3 から f 2 を引いた f (3-2) の平均と標準偏差も同様にして推定するモデルの適合度が十分ではない推定結果で, Amos の修正指数が因子間に共分散を示唆する場合には, これらの潜在変数間に共分散を設定することにする (1999a) など ) のようでもあるが,⑴ 式や⑵ 式では, 各パス係数を推定の対象とせずに,1 に固定している点で異なる simplex モデルが対象とするのは, 時間的に近い関係にある測定間の相関が遠い関係にあるものよりも高いという構造であり, 平均の構造を対象とするものではなかった図 1 のモデルでは, 測定機会の因子をダミー因子として導入することで, 因子の平均あるいは差の平均を推定する潜在変数を操作しているなお, 清水ほか (2009) では, キャリア選択自己効力感とキャリア意思決定を 6 回の機会に測定したデータにこのモデルを適用しているが, これについては, 別な機会に詳細をまとめる予定であるので, ここでは省略する時間経過の中での心理的変化に関して, 本稿では, 三保 (2010) や三保清水 ( 印刷中 ), 清水三保 ( 印刷中 ) で検討してきた大学生の学習への取り組みを取り上げてみることにするこれまでの研究では, 新入生の半年間での 2 回の縦断的調査から, 変化の質と量, そして, それらの関係に検討を加えたここでは, 新たに 3 ヶ月間の間にほぼひと月間隔で 3 回繰り返した調査を対象に, 潜在差得点モデルに検討を加えてみたいそして,2 回の調査では明らかにすることのできなかった新入生が大きく変わる時期を特定することも試みてみたい 3. 方法 3.1. 調査参加者大阪府内のある総合私立大学 1 校において,2010 年 4 月 15 日,5 月 13 日そして 6 月 10 日の 3 回にわたり, 一ヶ月間隔で縦断調査を実施した大学 1 年生向けの心理学関係の入門教育の講義科目で, 調査参加の承諾を得た参加者にのみ調査を実施した 3 回の調査ともに参加した大学 1 年生の数は 279 名 ( 男性 143 名, 女性 136 名 ) で,4 月調査時点での平均年齢は歳 (SD=0.68) であったなお, 調査参加者の所属する学部は 10 学部にわたっていた図 1 3 回の縦断調査データの潜在差得点モデルこのモデルは, 複数回の繰り返し測定から得られた simplex 相関構造の解析モデル ( 例えば, 清水 3.2. 測定変数大学での学習観尺度短縮版大学での学習観を測定する尺度 (24 項目 ) を 4 月, 5 月,6 月の 3 回にわたって調査した三保清水 ( 印刷中 ) は, 大学での学習の本来的機能対大学での学習の副次的機能, 自律的対他律的の 2 次元 4 象限による概念整理を行い,4 象限に対

4 22 関西大学心理学研究 2011 年第 2 号応した主体的学習自己成長単位取得受身の 4 つの下位尺度からなる大学での学習観尺度 (44 項目 ) を提案しているそして, 三保 (2010) では, 学生相談現場などでの活用を目指し, 少ない項目数で大学での学習観の多面的側面を測定するため, 大学での学習観尺度を元に, 同じ因子の構造であることを確認した上で, 各下位尺度が 6 項目からなる短縮版尺度を作成している本研究では, 調査参加者への負担を軽減するために短縮版尺度を調査に使用した今回の分析では,4 つの下位尺度の中から自己成長と単位取得の 2 つ尺度を取り上げる前者は, 大学での勉強が, 自分の成長や将来のために繋がるものであるとする学習観であり, 後者は, 大学での勉強を単位のため, あるいは卒業のためのものであるとする学習観であるなお, 短縮版尺度の下位尺度の信頼性係数 (α 係数 ) は, それぞれ 0.90, 0.85, であった教示文として, あなたは, 大学での勉強 ( 学び ) を, どのようなものとして捉えていますか? と提示し, 各項目についてあてはまる (4) どちらかといえばあてはまる (3) どちらかといえばあてはまらない (2) あてはまらない (1) の 4 件法で回答を求めた自己成長社会に出るために大事なものである ( 自己成長 A) 社会に出るための準備となるものである ( 自己成長 A) 自分の将来のためになるものである ( 自己成長 A) 将来につなげるためのものである ( 自己成長 B) 将来に活かすためのものである ( 自己成長 B) 社会に役立つ知識を学ぶものである ( 自己成長 B) 単位取得卒業するためのものである ( 単位取得 A) 単位のためのものである ( 単位取得 A) やらなければいけないものである ( 単位取得 A) 卒業に必要なものである ( 単位取得 B) 単位取得のためのものである ( 単位取得 B) 与えられた課題をこなすものである ( 単位取得 B) 調査 1(4 月 ) 調査 2(5 月 ) 調査 3(6 月 ) 3.3. 欠損値推定調査参加者 279 名のうち, データに部分的な欠損があった調査参加者が 18 名いたこれらについては,PASW Statistics 18.0 の EM 法 ( 岩崎 (2002) 参照 ) により欠損値を推定し, それらの値を代入する処理を行った欠損の数は合計で 22 個であった図 2 自己成長尺度の平均推移男子女子 3.4. 観測変数の小包化 SEM 解析において, 観測変数の信頼性や分布に関する性質をより適切なものとするために, 三保 (2010) と同様に小包化 (parceling) を行った (Cattell, 1956; 狩野,2002b ; 清水山本,2007 など ) ここでは 1 つの因子に対し, 奇偶法を用いて 2 つの因子パターンを平均化した小包を構成したすなわち, 三保 (2010) で報告されている因子パターンの値の高いものから順に, 奇数番目と偶数番目に分けて, これらを下位尺度として 2 つの小包を構成した以下が 2 つの尺度の項目と観測変数記号であるなお, 測定機会を識別するために,1 回目には W1 を 2 回目には W2 を, そして 3 回目には W3 を変数名に付けた調査 1(4 月 ) 調査 2(5 月 ) 調査 3(6 月 ) 男子女子図 3 単位取得尺度の平均推移 4. 分析結果 4.1. 観測得点の平均 2009 年度の 1 年生を対象にして調査を行った三保清水 ( 印刷中 ) では, 同様の尺度から自己成長にだけ男女間で有意な差を報告している清水三保 ( 印刷中 ) では, 半年間の 2 回の縦断データに潜在差得点モデルを適用し, 自己成長と単位取

清水和秋三保紀裕紺田広明花井洋子山本理恵 : 心理的変化のモデル化 23 得に有意な変化が起きていることを報告している前者は下降の傾向を示し, 後者は上昇の傾向を示していた本研究では,3 回の調査機会における平均の推移を概観するために, 自己成長と単位取得の 2 つの尺度得点別に, 男女の平均値をグラフにして表示してみることにする清水三保 ( 印刷中 ) と同じように,

5 清水和秋三保紀裕紺田広明花井洋子山本理恵 : 心理的変化のモデル化 23 得に有意な変化が起きていることを報告している前者は下降の傾向を示し, 後者は上昇の傾向を示していた本研究では,3 回の調査機会における平均の推移を概観するために, 自己成長と単位取得の 2 つの尺度得点別に, 男女の平均値をグラフにして表示してみることにする清水三保 ( 印刷中 ) と同じように, 自己成長は, 下がる傾向を示し, 単位取得という勉強へのスタイルは上昇する傾向を示している男女間では, 自己成長の傾向は, 女子のほうが, 男子よりも, 一貫して高い傾向を示している変化の傾向では, 微妙に男女では異なり,4 月から 5 月にかけての女子の下がりかたのほうが, 男子よりも大きいようである単位取得の傾向は, 男女ともほぼ同じ値で上昇傾向を示しているが, ここでも, 微妙に平均の推移がずれている観測得点には, 古典的テスト理論の定義からも明らかなように, 観測誤差が含まれる因子分析モデルでは, ランダムな観測誤差に加えて, 観測変数そのものの特殊な分散も排除している図 2 や図 3 でみられる微妙なずれは, 通常の統計的分析からは, その内容や意味を特定することはできないその意味でも SEM は分散分析を越える方法といえるのではないだろうか ( 例えば, 狩野 (2002a) など参照 ) 本稿では,SEM の潜在差得点モデルによって, 因子得点の変化を解析する中で, 微妙な平均の動きを特定する方法に検討を加えてみることにする 4.2. 潜在差得点モデルモデルの構築 2 つの尺度の観測変数は小包化した変数を使用して, まず,3 つの測定機会の測定モデルを構成した三保清水 ( 印刷中 ) が報告しているように, 男子学生と女子学生とでは, 学習観に違いがみられたので, この分析では, 男子と女子の 2 つの集団を対象とした同時分析を適用することにした測定モデルでは, 男女とも 3 つの観測機会ともに因子パターン不変性の拘束を置き, この測定モデルの因子は平均をゼロとするダミー因子とした因子の平均と分散を求めるためにパス係数 1 とする因子をさらに設定し, 第 1 回目の測定機会の因子で切片と表示したのは, 潜在成長モデルの切片とは異なり, 第 1 回目の測定が因子レベルでみると, ここ図 4 潜在差得点モデルの男女 2 集団同時分析 ( 男子の推定図 ) から始まるということを意味させるためである潜在差の f (2-1) は,Amos のパス図では Δf_W(2-1) と表示しているまた, f (3-2) は Δf_W(3-2) としているこれらの因子へのパスは, 図 1 に従い, それぞれが前の機会の測定から係数の値を 1 で固定したパスを引いている平均は, 切片因子や差得点因子に集約するために, 通常の平均構造分析とは違って, 観測変数の切片は, すべてゼロに固定している自己成長と単位取得の 2 つの領域に対して, このようにして潜在差得点の 3 回測定モデルを設定し, この 2 つの領域間の関係は, 各測定機会の因子間の共分散だけとしてみたモデルの適合度以上のモデルを Amos18 で最尤法による解を推定したところ, 適合度の指標は,χ 2 = ,df= 116,P=0.000,NFI=.924,CFI=.968,RMSEA =.049,AIC= となった男女 2 集団の同

6 24 関西大学心理学研究 2011 年第 2 号時分析であるので,Steiger(1998) に従って, 集団の数の平方根を RMSEA にかけて修正するととなる狩野三浦 (2002) や Mulaik (2010) の適合度基準からみると, この RMSEA だけが, 基準を満たしていないことになるそこで,Amos の修正指数の出力を参考に, 独自性間に 3 つの共分散を置いてみることにしたそして, 観測変数の単位取得 A_W1 の切片を自由推定としてみたその結果, 適合度指標の値はχ 2 = , df=108, P=0.030, NFI=.946, CFI =.988,RMSEA=.031,AIC= となった RMSEA の修正値は.047 となり, 十分な適合度の解を得ることができたこの推定値を詳細に検討すると, 因子の平均で有意でない値がいくつかみられた SEM では, 有意でないパラメータをゼロに固定することによって, より良い適合度の解を得ることができる場合もあるそこで,10% 以上の確率の平均については, ゼロに固定して, 解の推定を行ったその結果,χ 2 = , df=112, P=0.036, NFI=.945, CFI =.988,RMSEA=.030,AIC= となった AIC の値から明らかなように, この解の適合度のほうが, 良いと判断することができる図 4 は, 男子の潜在差得点モデルの Amos 出力のパス図であるなお, 女子のパス図は省略しているので, 推定の詳細は, 表 1 ~ 表 4 を参照されたい表 1 男女同時分析の因子パターン不変性観測変数潜在変数推定値標準誤差男子女子自己成長 A_W1 自己成長 f_w 自己成長 B_W1 自己成長 f_w 自己成長 A_W2 自己成長 f_w 自己成長 B_W2 自己成長 f_w 自己成長 A_W3 自己成長 f_w 自己成長 B_W3 自己成長 f_w 単位取得 A_W1 単位取得 f_w 単位取得 B_W1 単位取得 f_w 単位取得 A_W2 単位取得 f_w 単位取得 B_W2 単位取得 f_w 単位取得 A_W3 単位取得 f_w 単位取得 B_W3 単位取得 f_w 注 : 因子パターンの推定値は, 男女とも同じ値であるの列は, それぞれの集団で推定値を標準化した値である表 2 因子間共分散と独自性間共分散男子女子推定値標準誤差有意水準相関係数推定値標準誤差有意水準相関係数自己成長切片単位取得切片自己成長 Δf_W(2-1) 単位取得 Δf_W(2-1) 自己成長 Δf_W(3-2) 単位取得 Δf_W(3-2) 単位取得 Δf_W(2-1) 単位取得切片単位取得 Δf_W(2-1) 単位取得 Δf_W(3-2) 自己成長 Δf_W(2-1) 自己成長切片自己成長 Δf_W(2-1) 自己成長 Δf_W(3-2) e_sb_w1 e_sb_w e_ta_w1 e_ta_w e_tb_w2 e_tb_w 注 : 有意水準では,0.0% を,1% を,5% をで表示した

7 清水和秋三保紀裕紺田広明花井洋子山本理恵 : 心理的変化のモデル化 25 表 3 因子と独自性の分散男子女子推定値標準誤差推定値標準誤差自己成長切片単位取得切片自己成長 Δf_W(2-1) 単位取得 Δf_W(2-1) 自己成長 Δf_W(3-2) 単位取得 Δf_W(3-2) e_ta_w e_tb_w e_sa_w e_sb_w e_sa_w e_sb_w e_sa_w e_sb_w e_ta_w e_tb_w e_ta_w e_tb_w 表 4 因子と独自性の平均男子女子推定値標準誤差有意水準推定値標準誤差有意水準単位取得切片単位取得 Δf_W(2-1) 0 0 単位取得 Δf_W(3-2) 自己成長切片自己成長 Δf_W(2-1) 自己成長 Δf_W(3-2) 単位取得 A_W 注 :0 表記のセルは平均をゼロで固定しているモデルの推定値まず, 表 1 は, 測定モデルの推定値であるここでは, 因子パターン不変性を仮定して解の推定を行ったので, 男女の 2 つの集団の推定値と標準誤差は同じ値となったそして,3 つの観測機会においても同じ値の推定値を得ることができたそれぞれの集団内で, 因子ごとに標準化した値は異なる値となるが, 非常に高い因子パターンを得たということを確認することができたこれらの測定モデルの数値を見ると 2 つの小包 A と B の値も釣り合いがとれており,3 か月間の時間経過の中でも男女間に不変な因子を得たということができる表 2 は, 因子間と独自性間の共分散である単位取得と自己成長の 2 つの間での相関は,4 月と 5 月段階では, 有意ではなく, この 2 つは, 独立した関係にあるといえる 3 回目の測定が行われた 6 月時点では,2 つの差得点間の相関は男女ともに有意となり, この 2 つの領域間の関連性が高くなる表 3 のこれらの因子の分散の値をみると, 差の分散では 5 月段階よりも 6 月のほうが小さくなり, 学生たちの傾向が似通ってきているようである学生たちの学習に関する行動様式が 1 つの方向で集約化しているともいえよう表 4 が因子得点の平均の推定値である図 5 と図 6 は, 表 4 から平均の推移を計算したものをグラフにしているこの結果では,4 月から 5 月には変化

8 26 関西大学心理学研究 2011 年第 2 号考えることができる分散分析では, 場合によると本質的ではないこのような微妙な違いが統計的検定に影響を与えているかもしれない調査 1(4 月 ) 調査 2(5 月 ) 調査 3(6 月 ) 男子女子図 5 自己成長因子得点の平均の推移調査 1(4 月 ) 調査 2(5 月 ) 調査 3(6 月 ) 男子女子図 6 単位取得因子得点の平均の推移が起きず,6 月になって, 有意な変化が起きている 4 月末から連休を境にして大学生が変わると言われてきた時代があった 5 月になると学ぶことへの不適応的な行動が見られるとして, 五月病という言葉が, これに与えられた時代もあったこのように, 入学後の不適応的な行動について指摘がある ( 例えば, 安達,1999 ; 半澤,2006; 松島尾崎,2005 など ) 自己成長という面では, 女子は,5 月に下がるという変化を示している男子の場合には,6 月に自己成長への傾向が下がるこのように, この学習観の側面の変化の様相には性差がみられた単位取得という傾向は, 男女間で時間経過の中で微妙なずれがみられたが, 因子得点レベルでは, 男女とも全く同じ傾向であるという結果を得ることができた 1 ヶ月後の春学期試験を学生たちが意識するようになることによって, 限られた数からの結果ではあるが, 変化は 6 月に起きるようである尺度得点には観測誤差や特殊性が含まれ, これらが真の構造に覆い被さり ( 例えば, 清水,2003), 図 1 や図 2 のような微妙な違いの原因となっていると 5. 考察変化の様相を潜在差得点モデルにより今回の 3 ヶ月間という短い期間ではあったが, 清水三保 ( 印刷中 ) の半年間にわたる結果と同じように, 大学の教育の本来的な機能である学びを自主的に進めるという側面が失われていくことを明らかにすることができた学生の学びに対する意識を自律的な方向へと転換あるいは維持させ, 受身的な意識が上昇するのを防ぐためには, 例えば, 川島 (2010) や溝上 (2004) などが主張するように, 大学の初年次教育における教育実践では学びの転換が必要といえるそして, 三保清水 ( 印刷中 ) や清水三保 ( 印刷中 ) でも議論しているように, 教育プログラムそのものを改善する必要があるのではないだろうか変化が起きるポイントを特定するには, もっと多くの測定機会が必要なようである今回の調査は, 春学期のある授業での履修者を対象として, 調査協力と参加への承諾を求めた秋学期になると心理学関係の科目ではあるが講義で取り上げる領域と授業タイトルが変わり, 担当者は同じであるが, 授業の履修者が大きく入れ替わることになるこのために, 縦断的調査として確保できる対象者数が, 大きく減少することになり, 秋学期での 4 回目の調査は, 今年度は, 断念せざるを得なかった今回の分析では, 男女の 2 つの集団を対象とした潜在差得点モデルの同時分析を試みた短期間の調査に加えて, 別な標本での調査を組み合わせることによって, より長い期間にわたって変化の様相を捉えることも, 清水 (1999b, 2003) で展開したような不完全コーホートを応用すれば, 可能ではないかと考えている同じ変数を既に大学 1 年生を対象として, 半年間隔の縦断調査と今回の 3 回の縦断調査を行っているこの 2 つを組み合わせることで, 半年間での変化をさらに詳細に検討することも可能と考えている潜在成長モデルでは,1 つの関数を変化の軌跡として想定することになるこの想定が成立する場合には, 集団内に潜在するグループを Mixture の方法で探索することができる ( 例えば, 清水,2008c など ) 図 5 のような場合には, 全体集団の中に, 属性

9 清水和秋三保紀裕紺田広明花井洋子山本理恵 : 心理的変化のモデル化 27 としてだけはなく変化の軌跡が明確に異なる 2 つの集団が潜在していることになる潜在差得点モデルのほうが, 今回の結果からも分かるように, より柔軟な潜在変数モデルではないだろうか 3 回の調査から見える変化を, 図 2 と図 3 のような観測変数からと図 5 と図 6 の潜在変数である因子からとを対比させてみるために, 潜在差得点モデルの拡張を試みた今回の分析では, このような変化に何が影響をあたえるのか, という観点からの分析は行っていないここで展開したような SEM のモデルでは, 因子間の関係については, 共分散という形式でおかないと平均の推定に困難が生じるからであるこれは星野 (2003) や光永星野繁桝前川 (2005) などが指摘するように現状の SEM ソフトでは, 測定モデルの因子へあるいは因子から測定モデル外の変数へパスを引くと ( あるいは回帰 ), 測定モデルの推定値などに影響がでるからである清水三保 ( 印刷中 ) で行った因子得点の推定をこのモデルに適用することについても今後の検討課題としたい引用文献安達智子 (1999). 理科系大学 1 年生の大学選択動機と入学後の適応について就業動機志向による比較進路指導研究,19(2), Bollen, K. A., & Curran, P. J. (2006). Latent curve models: A structural equation perspective. Hoboken, NJ: Wiley. Cattell, R. B. (1956). Validation and intensification of the sixteen personality factor questionnaire. Journal of Clinical Psychology, 12, 千野直仁 (2003). 反復測定データの分析とその周辺教育心理学年報,42, Flora, D. B. (2008). Specifying piecewise latent trajecto ry models for longitudinal data. Structural Equation Modeling, 15, 花井洋子清水和秋宮坂吉有樹松下眞治 (2009). 工業高校におけるキャリア教育の効果測定日本キャリア教育学会第 31 回研究大会発表論文集, 半澤礼之 (2006). 大学進学動機と学業取り組み態度, 学業授業意欲低下との関連武蔵野大学人間関係学部紀要,3, Hertzog, C., & Nesselroade, J. R. (2003). Assessing psychological change in adulthood: An overview of methodological issues. Psychology and Aging. 18, Hertzog, C., & Schaie, K. W. (1988). Stability and change in adult intelligence: II. Simultaneous analysis of longitudinal means and covariance structures. Psychology and Aging, 3, 星野崇宏 (2003). 潜在変数への観測変数の回帰に関する問題と段階推定による解決心理学研究,74, 岩崎学 (2002). 不完全データの統計解析エコノミスト社. Jöreskog, K. G. (1979). Statistical estimation of structur al models in longitudinal developmental investigations. In J. R. Nesselroade and P. B. Baltes (Eds), Longitudinal research in the study of behavior and development (pp ). New York, NY : Academic Press. 狩野裕 (2002a). 構造方程式モデリングは, 因子分析, 分散分析, パス解析のすべてにとって代わるのか? 行動計量学,29(2), 狩野裕 (2002b). 再討論 : 誤差共分散の利用と特殊因子の役割行動計量学,29, 狩野裕三浦麻子 (2002). グラフィカル多変量解析 ( 増補版 ) 現代数学社. 川島啓二 (2010). 初年次教育から見た学びの転換東北大学高等教育開発推進センター ( 編 ) 大学における学びの転換と学士課程教育の将来東北大学高等教育開発推進センター pp Little, T. D., Bovaird, J. A., & D. W. Slegers (2006). Methods for analysis of change. In D. K. Mroczek & Little, T. D. (Eds.)Handbook of personality development (pp ). Mahwah, NJ : Lawrence Erlbaum. 松島るみ尾崎仁美 (2005). 大学進学動機と学習意欲授業選択態度の関連新入生を対象として京都ノートルダム女子大学研究紀要,35, McArdle, J. J. (1986). Latent variable growth within behavior genetic models. Behavior Genetics, 16, McArdle, J. J. (2001). A latent difference score approach to longitudinal dynamic structural analysis. In R. Cudeck, S. du Toit, D. Sörbom (Eds.), Structural Equation Modeling : Present and Future (pp ). Lincolnwood, IL : Scientific Software International. McArdle, J. J. (2009). Latent variable modeling of differences and changes with longitudinal data. Annual Review of Psychology, 60, McArdle, J. J., & Epstein, D. (1987). Latent growth curves within developmental structural equation models. Child Development, 58,

10 28 関西大学心理学研究 2011 年第 2 号 McArdle, J. J., & Nesselroade, J. R. (1994). Structuring data to study development and change. In S.H. Cohen & H. W. Reese (Eds.) Life-Span Developmen tal Psychology: Methodological Innovations (pp ). Hillsdale, NJ: Lawrence Erlbaum. Meredith, W. (1993). Measurement invariance, factor anal y sis and factorial invariance. Psychometrika, 58, Meredith, W., & Tisak, J. (1990). Latent curve analysis. Psychometrika, 55, 溝上慎一 (2004). 学び支援プロジェクト ( 大学生活編 ) の実践と展開溝上慎一 ( 編著 ) 学生の学びを支援する大学教育東信堂 pp 三保紀裕 (2010). 混合モデルによる大学 1 年生の類型化大学での学習観を基準とした検討関西大学大学院心理学研究科心理学叢誌,3, 三保紀裕清水和秋 ( 印刷中 ). 大学進学理由と大学での学習観の測定尺度の構成を中心としてキャリア教育研究. 三保紀裕清水和秋 ( 投稿中 ). 大学での学習観の安定性と変化大学 1 年生を対象とした半年間隔での縦断調査から. 光永悠彦星野崇宏繁桝算男前川眞一 (2005). 因子スコアや潜在変数得点を用いた構造方程式モデルの母数推定の偏りの解決行動計量学,32, Mulaik, S. A. (2010). Linear causal modeling with structural equations. New York, NY: Chapman & Hall/CRC. Nesselroade, J. R., & Baltes, P. B. (Eds), (1979). Longitudinal research in the study of behavior and development (pp ). New York, NY : Academic Press. 入戸野宏 (2004). 心理生理学データの分散分析生理心理学と精神生理学,22, 清水和秋 (1999a). 潜在成長モデルによる進路成熟の解析不完全コーホートデータへの適用関西大学社会学部紀要,30(3),1-47. 清水和秋 (1999b). キャリア発達の構造的解析モデルに関する比較研究進路指導研究,19(2),1-12. 清水和秋 (2003). 構造方程式モデリングによる平均構造の解析モデル関西大学社会学部紀要,34(2), 清水和秋 (2008a). 変化と質のモデル化古典的テスト理論からの訣別日本心理学会第 72 回大会発表論文集,448. 清水和秋 (2008b). 変化の質と量のモデル化その 2: 縦断 2 集団間での因子と独自性の平均構造日本教育心理学会第 50 回総会発表論文集,495. 清水和秋 (2008c). 混合モデルによる熟達パターンの探索プロ野球選手の熟達の軌跡を例として関西大学社会学部紀要,40(1), 清水和秋花井洋子 (2008). キャリア意思決定の安定性と変化そして不安からの影響大学 1 2 年生を対象とした半年間隔での縦断調査からキャリア教育研究,26, 清水和秋花井洋子宮坂吉有樹松下眞治 (2009). 介入効果とその定着の解析モデル工業高校生を対象とした 6 回のキャリア縦断調査から日本キャリア教育学会第 31 回研究大会発表論文集, 清水和秋紺田広明 (2010).R の sem による潜在曲線モデルの解析関西大学社会学部紀要,42(1), 清水和秋三保紀裕 ( 印刷中 ). 潜在差得点モデルからみた変化大学新入生の半年間の適応過程を対象として関西大学社会学部紀要,42(3). 清水和秋山本理恵 (2007). 小包化した変数によるパーソナリティ構成概念間の関係性のモデル化 Big Five 不安 (STAI) 気分 (POMS) 関西大学社会学部紀要,38(3), 清水和秋山本理恵 (2008). 感情的表現項目による Big Five 測定の半年間隔での安定性と変動個人間差状態特性不安, 自尊感情との関連関西大学社会学部紀要,39(2), Steiger, J. H. (1998). A note on multiple sample extensions of the RMSEA fit index. Structural Equation Modeling, 5,

<30315F985F95B65F90B490852E696E6464>

<30315F985F95B65F90B490852E696E6464> Modeling for Change by Latent Difference Score Model: Adapting Process of the Student of Freshman at Half Year Intervals Kazuaki SHIMIZU and Norihiro MIHO Abstract The purpose of this paper is to present

20 関西大学心理学研究 2011 年第 2 号 ている ( 例えば, 入戸野,2004 など ) 縦断的な調査データの解析へ構造方程式モデリング (Structural Equation Modeling: 以下 SEM) が導入されてから ( 例えば,Nesselroade & Baltes,

20 関西大学心理学研究 2011 年第 2 号ている ( 例えば, 入戸野,2004 など ) 縦断的な調査データの解析へ構造方程式モデリング (Structural Equation Modeling: 以下 SEM) が導入されてから ( 例えば,Nesselroade & Baltes,